Hilbert-Huang变换在风力发电机主轴轴承故障诊断中的应用

陈文静,吴金强

(新疆大学 机械工程学院，乌鲁木齐 830047)

目前，所有安装的风力发电机中，75%～80%的主轴轴承采用滚动轴承[1]。滚动轴承是旋转机械中广泛应用的关键部件，也是容易产生故障的部件。经统计，轴承故障中的40%与污染和润滑有关；30%与安装有关；20%与过载或制造质量有关[2-3]。

轴承发生故障时，会产生一系列冲击振动，2个相邻冲击之间的时间间隔一般很小，因此，如果要检测出每个冲击振动，则需要所采用的时频分析方法具有很好的时域和频域分辨率。但传统的时频分析方法往往受到测不准原理的制约，很难在时域和频域同时达到很高的分辨率[4]。而Hilbert-Huang变换(HHT)是一种新的具有自适应的时频分析方法，它可以根据信号的局部时变特性进行自适应的时频分解，消除人为的因素，克服传统方法中用无意义的谐波分量来表示非平稳、非线性信号的缺陷，并可得到很高的时频分辨率和良好的时频聚集性，非常适合对非平稳、非线性信号进行分析[5]。下文对Hilbert-Huang变换在风力发电机主轴轴承故障诊断方面的应用进行了探索性研究。

1 基于经验模式分解的Hilbert谱

HHT的基本思想是通过经验模式分解(empirical mode decomposition,EMD)的方法，将信号分解成一系列的本征模函数(intrinsic mode function,IMF),得到的IMF是近似单频率成分的信号，即在每个时刻信号只有1个频率成分，对每个IMF进行Hilbert变换即可得到其瞬时频率，由于EMD是完备的，因此组合起每个IMF的瞬时频率就可以得到整个信号的Hilbert谱[3]。

HHT中最关键的是EMD的步骤，EMD基于以下假设方法:任何信号均由不同的固有振动模态组成,每一模态不论是线性或是非线性的,其极值点数和零交叉点数相同；……